[이 책의 구성]
기출을 완벽하게 분석하여 압축한 핵심 이론!
기출문제를 분석하여 시험에 출제되는 이론만 압축하여 수록하였습니다. 이론마다 별 표시하여 시험에 자주 출제되는 이론을 확인할 수 있도록 하였고, 개념을 학습한 후 바로 문제에 적용하는 학습으로 이론이 시험에 어떻게 적용되는지 알 수 있도록 하였습니다. 학습에 도움을 주는 꿀팁 3총사를 반드시 확인하세요!

실전처럼 연습하는 기출복원 & 기출변형 문제! 최종 점검 모의고사
2023년 기출복원 모의고사와 기출변형 모의고사를 수록하였습니다. 문항별로 학습하다가 문제를 틀렸다면 핵심 이론 번호를 따라가서 틀린 부분만 다시 한번 집중학습을 하세요. 효율적인 학습이 가능합니다.

[BONUS]
1. 계획적인 학습을 위한 스터디 플래너
2. 시험장에 들고가는 핵심요약노트
3. 저자 직강 강의
4. 저자에게 바로 묻는 실시간 질문답변

1과목 데이터 이해
CHAPTER 01 데이터의 이해
001 데이터의 정의 및 유형
002 암묵지와 형식지
003 DIKW 피라미드
004 데이터베이스 이해
005 데이터베이스 용어 BASIC
006 데이터베이스 용어 ADVANCED
007 DBMS(DataBase Management System)
008 데이터베이스 설계
009 시대별 기업 내부 데이터베이스 솔루션
010 분야별 기업 내부 데이터베이스 솔루션

CHAPTER 02 데이터의 가치와 미래
011 빅데이터
012 빅데이터의 출현 배경
013 IoT(Internet of Things)
014 빅데이터의 역할
015 빅데이터의 가치와 영향
016 빅데이터의 활용 기법
017 빅데이터의 위기 요인과 통제 방안
018 개인정보 비식별화 기법
019 빅데이터의 활용 사례, 데이터 분석의 3요소

CHAPTER 03 가치 창조를 위한 데이터 사이언스와 전략 인사이트
020 빅데이터 분석과 전략 인사이트
021 데이터 사이언스(Data Science)
022 데이터 분석 관련 직무
023 데이터 분석과 인문학

2과목 데이터 분석 기획
CHAPTER 01 데이터 분석 기획의 이해
024 분석 기획이란?
025 목표 시점별 분석 기획 방안
026 분석 기획 시 고려 사항
027 데이터 유형 및 저장 방식028 분석 방법론 개요
029 KDD, CRISP-DM 분석 방법론
030 빅데이터 분석 방법론 개요
031 빅데이터 분석 방법론 - 분석 기획(Planning)
032 빅데이터 분석 방법론 - 데이터 준비(Preparing)
033 빅데이터 분석 방법론 - 데이터 분석(Analyzing)
034 분석 과제 도출 방법
035 하향식 접근 방법의 데이터 기획 단계
036 분석 과제 발굴 - 상향식 접근 방식
037 분석 프로젝트의 특징 및 특성 관리

CHAPTER 02 데이터 분석 기획의 이해
038 분석 마스터 플랜 & ISP
039 분석 마스터 플랜 수립
040 분석 과제 우선순위 결정
041 이행 계획 수립
042 분석 거버넌스 체계
043 데이터 분석 수준 진단
044 분석 수준 진단 결과
045 데이터 거버넌스 체계 수립
046 데이터 분석을 위한 조직 구조
047 분석 과제 관리 프로세스

3과목 데이터 분석
CHAPTER 01 R 기초와 데이터 마트
048 R의 특징과 데이터 형 종류
049 R의 데이터 형 - 벡터(vector)
050 R의 데이터 형 - matrix, data.frame
051 R 함수 - summary
052 그래프 종류
053 R 언어 관련 출제 빈도가 낮은 문제
054 결측치와 이상값 처리
055 통계 분석 개요
056 척도의 종류
057 집중화 경향 측정

CHAPTER 02 통계 분석
058 확률 기본 용어
059 확률분포
060 이산형 확률분포
061 연속형 확률분포 1
062 연속형 확률분포 2
063 통계적 추론의 분류
064 추정량(Estimator), 추정값(Estimate)
065 통계적 추론 - 추정(Estimation)
066 통계적 추론-가설검정
067 모수적 추론과 비모수적 추론
068 모수적 추론(Parametic Inference)
069 t-검정 예시
070 비모수적 추론(Non-parametic Inference)
071 회귀 분석(Regression Analysis) 개요
072 회귀 모형의 가정
073 데이터 정규성 검정
074 회귀 분석(Regression Analysis)
075 회귀 모형 해석
076 다중공선성 및 변수 선택법
077 과대적합(Overfitting)과 정칙화(Regularization)
078 회귀모델 평가지표
079 선형회귀 분석 결과 해석
080 데이터 스케일링(Scaling)
081 상관 분석
082 차원 축소
083 주성분 분석(PCA)
084 시계열 자료
085 시계열 모형, 분해 시계열

CHAPTER 03 정형 데이터 마이닝
086 데이터 마이닝
087 모형 평가
088 분류 분석의 종류
089 로지스틱 회귀 분석
090 의사결정나무(Decision Tree) 모형
091 앙상블(Ensemble) 모형
092 K-NN, SVM
093 인공 신경망(ANN) 모형
094 분류 모형 평가 지표 1 - 오분류표
095 분류 모형 평가 지표 2
096 군집 분석 - 계층적 군집
097 군집 분석 - 계층적 군집의 예
098 군집 분석 - 분할적(\u003d비계층적) 군집
099 군집 분석 - 평가, 결과 해석
100 군집 분석 - 자기조직화지도(SOM)
101 연관 분석(Association Analysis)
102 기계 학습과 딥러닝

FINAL! 최종점검 모의고사
2023 기출복원 모의고사
제36회 기출복원 모의고사
제37회 기출복원 모의고사
제38회 기출복원 모의고사
제39회 기출복원 모의고사
기출복원 모의고사
제1회 기출변형 모의고사
제2회 기출변형 모의고사
제3회 기출변형 모의고사
제4회 기출변형 모의고사